為提高礦井突水水源識別的精度,提出一種改進(jìn)鯨魚優(yōu)化算法（IWOA）-混合核極限學(xué)習(xí)機(jī)（HKELM）的水源識別模型。首先將高斯核函數(shù)和多項(xiàng)式核函數(shù)相結(jié)合,構(gòu)造學(xué)習(xí)能力和泛化性能較好的HKELM;然后針對鯨魚優(yōu)化算法（WOA）易陷入局部最優(yōu)的問題,提出IWOA算法,引入帳篷映射、改進(jìn)非線性因子以及設(shè)置反向精英學(xué)習(xí)閾值等3種策略來降低算法過早收斂的概率,并得到更優(yōu)結(jié)果;最后將新莊孜礦的突水水源資料作為仿真數(shù)據(jù),降維處理后輸入到IWOA-HKELM模型中結(jié)果預(yù)測。研究表明:通過IWOA優(yōu)化HKELM參數(shù),可提高HKELM的整體預(yù)測性能;IWOA-HKELM的預(yù)測結(jié)果與實(shí)際情況完全一致,與其他模型相比,該模型的平均分類準(zhǔn)確率明顯提高,平均均方誤差和分類準(zhǔn)確率標(biāo)準(zhǔn)差明顯降低。 

【文章來源】：中國安全科學(xué)學(xué)報(bào). 2019,29(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 鯨魚優(yōu)化的HKELM
    1.1 HKELM
    1.2 IWOA
        1.2.1帳篷映射
        1.2.2改進(jìn)非線性因子
        1.2.3反向精英學(xué)習(xí)閾值策略
    1.3 IWOA-HKELM步驟
2 礦井突水水源識別
    2.1 數(shù)據(jù)處理
    2.2 參數(shù)設(shè)置
    2.3 試驗(yàn)結(jié)果和對比分析
    2.4 IWOA算法的參數(shù)分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]非線性權(quán)重和收斂因子的鯨魚算法[J]. 王濤,Ryad Chellali.  微電子學(xué)與計(jì)算機(jī). 2019(01)
[2]基于MIV-PSO-SVM模型的礦井突水水源識別[J]. 邵良杉,李相辰.  煤炭科學(xué)技術(shù). 2018(08)
[3]基于KPCA-MPSO-ELM的礦井突水水源判別模型[J]. 毛志勇,黃春娟,路世昌,韓榕月.  中國安全科學(xué)學(xué)報(bào). 2018(08)
[4]基于蜂群算法和帶參閾值函數(shù)的圖像去噪方法[J]. 黃亞飛,王國富,張法全,葉金才.  計(jì)算機(jī)工程與應(yīng)用. 2018(17)
[5]粒子群優(yōu)化混合核極限學(xué)習(xí)機(jī)的構(gòu)造煤厚度預(yù)測方法[J]. 范君,王新,徐慧.  計(jì)算機(jī)應(yīng)用. 2018(06)
[6]礦井突水水源識別的RS-LSSVM模型[J]. 邵良杉,李印超,徐波.  安全與環(huán)境學(xué)報(bào). 2017(05)
[7]基于熵權(quán)-模糊可變集理論的煤礦井突水水源識別[J]. 王心義,趙偉,劉小滿,王甜甜,張建國,郭建偉,陳國勝,張波.  煤炭學(xué)報(bào). 2017(09)
[8]人工神經(jīng)網(wǎng)絡(luò)在礦井多水源識別中的應(yīng)用[J]. 徐星,郭兵兵,王公忠.  中國安全生產(chǎn)科學(xué)技術(shù). 2016(01)
[9]距離判別法在相似礦區(qū)突水水源識別中的應(yīng)用[J]. 王心義,徐濤,黃丹.  煤炭學(xué)報(bào). 2011(08)
[10]礦井突水水源判別方法概述[J]. 李燕,徐志敏,劉勇.  煤炭技術(shù). 2010(11)

碩士論文
[1]基于EIM和FCE的礦井突水水源判別研究[D]. 馮琳.太原理工大學(xué) 2015



本文編號：3279128